（实习3~4天/周 实习6个月以上） 岗位职责： ●参与自动驾驶真实道路数据的整理、清洗与质量检查，包括图像、点云、CAN、轨迹、标注结果等多源数据的检查、筛选与归档； ●协助构建面向E2E自动驾驶算法训练的数据集，完成数据格式转换、场景标签整理、异常数据过滤、数据统计分析等工作； ●编写和维护自动驾驶算法训练所需的 Data Loader、数据预处理脚本及基础评价方法，提升数据使用效率与训练稳定性； ●参与基础E2E模型开发与实验验证，协助复现和理解端到端自动驾驶算法； ●跟踪自动驾驶数据处理、E2E算法及多模态感知相关研究进展，协助完成论文调研、实验记录和阶段性汇报。 岗位要求： ●掌握 Python，熟悉 PyTorch 框架，具备基本的深度学习、计算机视觉或自动驾驶算法基础； ●熟悉 Linux 环境，能够进行数据处理脚本开发，具备一定的数据分析、数据清洗和问题定位能力； ●了解自动驾驶常见数据类型，如 camera、LiDAR、BEV、轨迹、标注文件、场景标签等， ●能够理解数据质量对模型训练效果的影响； ●熟悉常用数据处理工具和格式，如 NumPy、Pandas、OpenCV、JSON、YAML、ROS bag、KITTI/nuScenes 等数据格式者优先； ●计算机、信息、数学、电子、自动化、机械、测控、汽车等相关专业硕士及以上学历，具有较好的数学基础、编程能力和英文论文阅读能力； ●了解或愿意学习端到端自动驾驶算法，熟悉 VAD、UniAD、SparseDrive、DriveVLM 等相关算法者优先。 加分项： ●有自动驾驶数据集整理、标注质检、数据闭环或数据平台使用经验； ●熟悉图像/点云配准、传感器标定、BEV感知、道路拓扑、轨迹预测等相关基础知识； ●有 Data Loader、训练数据 pipeline、评价指标设计或实验管理经验； ●熟悉 ROS、Apollo、Autoware、CARLA 等自动驾驶平台或仿真环境； ●掌握 C/C++、CUDA，或有模型部署、ONNX/TensorRT 基础经验者优先。